Dyp læring i retinoblastomdeteksjon og overvåking.
Deep Learning datastøttet deteksjonssystem for retinoblastomdeteksjon og overvåking.
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Detaljert beskrivelse
Studietype
Studietype
Registrering (Forventet)
Registrering
Kontakter og plasseringer
Studiekontakt
Studiekontakt
- Navn: Wenbin Wei, MD
- Telefonnummer: 010-58269523
- E-post: weiwenbintr@163.com
Studer Kontakt Backup
- Navn: Ruiheng Zhang, MD
- E-post: zhangruihengsy@outlook.com
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100730
- Rekruttering
- Wen-Bin Wei
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Retinoblastompasienter gjennomgår standard medisinsk behandling.
Ekskluderingskriterier:
- Operatørene identifiserte bilder som ikke kunne vurderes for en korrekt diagnose, på grunn av årsaker som uskarphet og defokus, og ekskluderte dem fra videre analyse.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
Pasienter med retinoblastom
Retinoblastompasienter som gjennomgår standard medisinsk behandling på Beijing Tongren Hospital.
Det anonyme bildet av disse pasientene vil bli prospektivt samlet inn og merket av senior øyeleger.
|
En dyp læringsalgoritme som ble utviklet tidligere ville bli brukt for å identifisere retinoblastomsvulster på Retcam-bilder og skille mellom aktive og inaktive retinoblastomsvulster.
Avgjørelsen til to forskjellige senior øyeleger ville være gullstandarden.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostikk nøyaktighet av dyp læringsalgoritme
Tidsramme: 1 uke
|
Den diagnostiske nøyaktigheten til denne dyplæringsalgoritmen er andelen sann positiv og sann negativ i alle evaluerte tilfeller
|
1 uke
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (FAKTISKE)
Studiestart
Primær fullføring (FORVENTES)
Primær fullføring
Studiet fullført (FORVENTES)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (FAKTISKE)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (FAKTISKE)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Neoplasmer etter histologisk type
- Neoplasmer
- Neoplasmer etter nettsted
- Neoplasmer, kjertel og epitel
- Øyesykdommer
- Retinale sykdommer
- Neoplasmer, Neuroepithelial
- Nevroektodermale svulster
- Neoplasmer, kjønnsceller og embryonale
- Neoplasmer, nervevev
- Øyesykdommer, arvelig
- Øye neoplasmer
- Netthinneneoplasmer
- Retinoblastom
Andre studie-ID-numre
Andre studie-ID-numre
- AI in retinoblastoma
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .